Formulez des prompts efficaces pour générer du code

Dans les chapitres précédents, vous avez vu comment l’IA peut vous accompagner dans vos projets de développement. Mais pour tirer le meilleur parti de cet outil, encore faut-il savoir lui parler.

Un bon développeur augmenté n’est pas celui qui connaît toutes les commandes par cœur, mais celui qui sait formuler clairement ses intentions à une IA.

C’est exactement ce que vous allez apprendre ici : rédiger des prompts efficaces pour générer du code pertinent, lisible, et maintenable.

Rédigez des prompts pour le développement

Écrire un prompt, ce n’est pas utiliser une formule magique. C’est savoir décrire ce que vous voulez, avec précision et structure, comme si vous briefiez un collègue de travail.

Prenons un exemple concret.

Imaginez que vous travaillez sur une application de gestion d’événements. Vous devez créer une fonctionnalité d’export de la liste des inscrits au format CSV.

Voici deux façons de demander :

Prompt vague

Fais une fonction pour exporter les inscrits.

Dans ce cas, l’agent n’a aucune idée :

• du fichier dans lequel vous travaillez,

• de la structure de votre modèle Inscrit,

• d’où se trouvent les fonctions qui gèrent les événements,

• du framework utilisé,

• ni de la manière dont votre projet gère les exports.

Prompt précis

Dans le fichier @actions.ts, ajoute une fonction exportRegistrationsCSV() qui récupère les inscrits de l’événement depuis la base, puis exporte la liste au format CSV. Utilise lodash pour formater les données. La fonction doit retourner un fichier téléchargeable côté client.

Ici, l’agent reçoit un vrai contexte exploitable :

• Il connaît le fichier exact où intervenir.

• Il connaît déjà le langage et le framework (puisqu’il lit le fichier).

• Il sait quelle partie de la base il doit solliciter.

• Il sait quel format produire (CSV).

• Il sait quel outil utiliser (lodash).

• Il sait quel type de réponse renvoyer (fichier téléchargeable).

Un bon prompt permet à l’IA de :

• comprendre votre besoin réel,

• réduire les erreurs de logique ou d’implémentation,

• générer un code aligné avec votre contexte projet.

Quand vous écrivez un prompt de développement, demandez-vous simplement :

• Qu’est-ce que l’agent ne peut pas deviner tout seul ?

  → Le fichier où travailler, la fonction à modifier, la logique métier en jeu.

• Qu’est-ce que je veux obtenir exactement ?

  → Le comportement final : exporter un CSV, créer un endpoint, mettre à jour un modèle, etc.

• Quelles règles dois-je lui rappeler ?

  → Réutiliser une fonction existante, respecter une architecture, ne pas créer de nouveau dossier, utiliser une librairie précise…

• De quelle forme j’ai besoin pour la réponse ?

  → Code brut, patch Git, explication courte, ou étapes détaillées.

Et parfois :

• Est-ce que j’ai besoin qu’il m’explique ce qu’il fait ?

  → Utile si vous apprenez, ou si vous voulez comprendre la logique générée.

Utilisez des bonnes pratiques de prompt

Certaines méthodes ont fait leurs preuves pour améliorer la qualité des interactions avec une IA générative. En voici trois que vous pouvez mettre en œuvre immédiatement.

Le prompting incrémental

Plutôt que de demander toute une fonctionnalité en une seule fois, progressez étape par étape, comme vous le feriez avec un collègue.

1. Demandez un premier plan.

Si l’éditeur n’a pas la fonctionnalité native de planification, demandez à l’agent de créer un fichier Markdown listant les étapes.

2. Demandez à l’agent de poser des questions.

Il clarifie ce qu’il ne comprend pas : règles métier, contraintes techniques, délimiter le périmètre…

Cela permet de rendre le plan plus précis.

3. Raffinez et validez le plan.

Vous vérifiez que tout est cohérent avant de lancer l’exécution du plan par l’IA.

4. Générez le code étape par étape.

Demandez d’avancer petit à petit, une fonction, un fichier ou un test à la fois, avec validation à chaque étape.

Cette méthode limite les erreurs globales, augmente la qualité du résultat et vous laisse le contrôle tout au long du processus.

Le prompting critique

L’IA peut aussi vérifier son propre travail, si vous le lui demandez.

Par exemple :

Peux-tu relire ce code, identifier les risques, les incohérences ou les améliorations possibles ?

Cette approche est précieuse pour :

• corriger des oublis dans les cas limites,

• détecter des redondances,

• proposer des optimisations de performances.

C’est une bonne habitude à prendre, surtout lorsque vous utilisez l’IA comme assistant technique sur un projet réel.

Le prompting explicatif

Avant d’approuver ou de copier du code généré, demandez toujours des explications.

Par exemple :

Explique-moi la logique de ce code ligne par ligne, comme si j’étais débutant.

Cela vous permet :

• de mieux comprendre ce que vous intégrez,

• de repérer d’éventuelles erreurs de logique,

• de continuer à apprendre, même en utilisant des outils assistés.

C’est une posture professionnelle : vous êtes responsable du code que vous validez, même s’il a été généré.

Voyons comment appliquer ces techniques de prompt ! Dans la vidéo qui suit, vous allez voir l’impact concret d’un bon prompt : en quelques minutes, un simple fichierresume.mdse transforme en portfolio web professionnel et visuel. Observez bien la différence entre un prompt vague et un prompt précis. C’est exactement là que tout se joue.

À vous de jouer !

Vous venez de voir comment des prompts précis permettent de passer d’une idée floue à un résultat professionnel visible immédiatement.

À votre tour maintenant : cet exercice va vous aider à comparer les outils et les modèles, et surtout à affiner votre manière de formuler des prompts efficaces.

Consigne :

Choisissez une tâche simple à automatiser, par exemple :

“Créer un portfolio présentant mon profile, mes compétences”

1. Créer un fichier resume.md avec toutes les informations d’un CV

2. Rédigez un prompt clair et complet.

3. Testez le même prompt dans plusieurs outils IA et/ou plusieurs modèles de votre choix : ChatGPT, Cursor, GitHub Copilot, Claude Code, Gemini, etc.

4. Observez et comparez les réponses selon plusieurs critères :

   • La clarté du code généré

   • La capacité de l’IA à poser des questions complémentaires

   • La précision du vocabulaire

   • La gestion des cas limites

   • Le niveau de détail dans les explications

Pistes de réflexion :

• Un outil vous a-t-il surpris par sa précision ou sa capacité à vous guider ?

• Avez-vous reçu des réponses très différentes avec un même prompt ?

• Quelles améliorations pourriez-vous apporter à votre formulation pour obtenir de meilleurs résultats ?

Vous pouvez consigner vos observations dans un tableau comparatif, ou simplement noter ce que vous retenez de l’expérience. L’essentiel est de développer votre esprit critique et d’apprendre à adapter vos prompts selon l’outil utilisé.

En résumé

• Savoir écrire un prompt clair est une compétence fondamentale pour collaborer efficacement avec une IA en développement.

• Un bon prompt inclut toujours le contexte, la mention de certains fichiers ou fonctions, le format souhaité et le résultat attendu.

• Les techniques de prompt incrémental, critique et explicatif permettent de mieux structurer la collaboration avec l’IA.

• Utiliser plusieurs outils IA permet de mieux comprendre leurs différences et d’affiner vos méthodes de travail.

• Même avec un bon outil ou un bon modèle, c’est à vous de valider, comprendre et assumer le code généré.

C’est la fin de cette première partie du cours, nous vous proposons maintenant un quiz afin de tester votre compréhension avant de passer à la suite. Bon courage !